Kaggle Grandmasters de NVIDIA (KGMoN)

Conoce a los Kaggle Grandmasters de NVIDIA y descubre cómo utilizan la ciencia de datos acelerada de NVIDIA para crear sistemas de recomendación ganadores, predecir las tasas de degradación en las moléculas de ARN, identificar el melanoma en las imágenes médicas y más.

Conoce al equipo de KGMoN

Ahmet Erdem

Ahmet Erdem

Científico de datos sénior en NVIDIA

Bo Liu

Bo Liu

Científico de datos sénior en NVIDIA

Chris Deotte

Chris Deotte

Científico de datos sénior en NVIDIA

Christof Henkel

Christof Henkel

Científico de datos en NVIDIA

Gilberto Titericz

Gilberto Titericz

Científico de datos en NVIDIA

Jean-Francois Puget

Jean-Francois Puget

Ingeniero distinguido en NVIDIA

Jiwei Liu

Jiwei Liu

Científico de datos sénior en NVIDIA

Kazuki Onodera

Kazuki Onodera

Científico de datos sénior en NVIDIA

Explora las competiciones recientes del equipo KGMoN

El desafío de los sistemas de recomendación

JUNIO DE 2021

El desafío RecSys


El equipo de NVIDIA Merlin y KGMON obtuvo el primer lugar en RecSys Challenge 2021 al predecir de manera efectiva la probabilidad de participación del usuario en un entorno dinámico y ofrecer recomendaciones justas en un conjunto de datos de varios millones de puntos.

Desafío de recomendaciones de destinos de Booking.com

MARZO DE 2021

Desafío WebTour 2021 de búsqueda web y minería de datos (WSDM) de Booking.com


En este desafío de sistemas de recomendación, el objetivo era utilizar un conjunto de datos basado en millones de reservas de alojamiento anónimas reales para elaborar una estrategia y hacer la mejor recomendación para su próximo destino, todo en tiempo real.

Construcción de modelos NLP de primer nivel con transformadores y Hugging Face

MARZO DE 2021

Construcción de modelos NLP de primer nivel con transformadores y Hugging Face


Mira este vídeo para conocer una breve muestra de historia y el estado actual del procesamiento del lenguaje natural y las mejores prácticas para usar los transformadores de Hugging Face en cuatro competiciones diferentes.

Competición de predicción de la degradación de la vacuna de ARNm contra la COVID-19

OCTUBRE DE 2020

OpenVaccine: Predicción de degradación de la vacuna de ARNm contra la COVID-19


En esta competición, los equipos se encargaron de desarrollar modelos de aprendizaje automático y diseñar reglas para la degradación del ARN. Los modelos tenían que predecir las tasas de degradación probables en cada base de una molécula de ARN. Dichos modelos se entrenan en un subconjunto de un conjunto de datos de Eterna que comprende más de 3000 moléculas de ARN (que abarcan una panoplia de secuencias y estructuras) y sus tasas de degradación en cada posición.

Reconocimiento de lugares emblemáticos de Google 2020

SEPTIEMBRE DE 2020

Reconocimiento de lugares emblemáticos de Google 2020


En este desafío de reconocimiento de lugares emblemáticos, el equipo tenía que construir modelos capaces de reconocer el lugar correcto (si lo había) en un conjunto de datos de imágenes de prueba complicadas. Del dicho al hecho hay gran trecho, dado que el reconocimiento de lugares de referencia contiene un número mucho mayor de clases. Por ejemplo, hubo más de 81 000 clases en esta competición.

Clasificación SIIM-ISIC del melanoma

Agosto de 2020

Clasificación SIIM-ISIC de melanoma


En esta competición, el equipo tenía que crear modelos de aprendizaje automático para identificar las lesiones cutáneas a partir de las imágenes de los pacientes y determinar qué imágenes tienen más probabilidades de representar un melanoma. El modelo de aprendizaje automático ganador fue capaz de identificar el melanoma antes y con mayor precisión que el dermatólogo promedio.

Serie Grandmaster

La serie “Grandmaster” es una serie mensual de vídeos educativos para científicos de datos. En cada episodio, escucharás a los principales expertos mundiales en ciencia de datos mientras comparten sus conocimientos, mejores prácticas y aprendizajes clave de alguna competición reciente. Sintoniza y aprende cómo aplicar sus aprendizajes a tus propios desafíos de ciencia de datos.

Regístrate para recibir noticias sobre ciencia de datos